首页--工业技术论文--冶金工业论文--冶金机械、冶金生产自动化论文--有色冶金机械与生产自动化论文--有色冶金机械论文--干燥设备论文

基于支持向量机的回转干燥窑生产过程建模与能耗优化研究

摘要第1-5页
ABSTRACT第5-13页
第一章 绪论第13-25页
   ·研究背景第13-14页
   ·回转干燥窑生产过程建模方法研究现状第14-21页
     ·回转干燥窑生产过程模型第14-16页
     ·模型参数的确定方法第16-18页
     ·基于支持向量机回归建模的国内外研究第18-21页
   ·回转干燥窑生产过程智能优化方法研究现状第21-22页
   ·论文主要研究内容及组织第22-25页
第二章 回转干燥窑生产过程机理模型研究第25-53页
   ·回转干燥窑工艺流程第25-29页
     ·回转干燥窑的结构第25-26页
     ·回转干燥窑的分类第26-27页
     ·固体物料干燥机理第27-29页
   ·回转干燥窑生产过程机理模型第29-40页
     ·锌精矿回转干燥窑的工艺流程及参数第29-30页
     ·回转干燥窑生产过程机理模型第30-36页
     ·一维分布式参数模型参数确定方法第36-40页
   ·回转干燥窑获取数据实验第40-49页
     ·热平衡测试第41-45页
     ·稳态试验测试第45-46页
     ·干燥速率测试实验第46-49页
   ·锌精矿回转干燥窑窑体机理模型仿真第49-52页
   ·本章小结第52-53页
第三章 基于支持向量机的回转干燥窑生产过程模型第53-79页
   ·基于支持向量机的回转干燥窑生产过程模型第53-54页
   ·基于支持向量机回归的干燥速率模糊模型第54-62页
     ·数据预处理第54-55页
     ·模糊推理系统第55-56页
     ·支持向量机回归模型第56-59页
     ·基于支持向量机回归的模糊模型第59-61页
     ·基于支持向量机回归的模糊模型检验方法第61-62页
   ·基于支持向量机回归的模糊模型超参数选择方法第62-70页
     ·传统的超参数选择方法第62-63页
     ·基于改进遗传算法的超参数选择方法第63-70页
   ·回转干燥窑生产过程模型校正第70-71页
   ·实验结果及讨论第71-78页
     ·超参数选择算法性能比较第71-75页
     ·不同干燥速率模型预测结果比较第75-76页
     ·回转干燥窑生产过程模型预测结果比较第76-78页
   ·本章小结第78-79页
第四章 回转干燥窑生产过程级联模型第79-91页
   ·回转干燥窑生产过程级联模型第79-80页
   ·基于多阶段多支持向量机的干燥速率模型第80-86页
     ·基于多阶段多支持向量机的干燥速率模型结构第80-81页
     ·模糊C均值聚类算法第81-82页
     ·改进的模糊C均值聚类算法第82-83页
     ·可能性C均值聚类算法第83-84页
     ·基于核函数的聚类算法第84-85页
     ·考虑输出条件的聚类算法第85页
     ·多支持向量机模糊子模型的建立与融合第85-86页
   ·锌精矿回转干燥窑干燥速率模型第86-89页
     ·恒速干燥阶段干燥速率模型第86-87页
     ·降速干燥阶段干燥速率模型第87-89页
   ·锌精矿回转干燥窑生产过程级联模型第89-90页
   ·本章小结第90-91页
第五章 回转干燥窑生产过程精简支持向量机模型第91-102页
   ·精简支持向量机的原理第91-96页
     ·支持向量机精简问题描述第91-92页
     ·从原支持向量中获取精简支持向量的方法第92-95页
     ·新精简支持向量集的构造方法第95-96页
   ·基于粒子群优化的精简支持向量机模型第96-98页
   ·实验结果及讨论第98-100页
   ·本章小结第100-102页
第六章 回转干燥窑生产过程能耗优化第102-117页
   ·回转干燥窑生产过程能耗模型第102-105页
     ·目标函数第102-104页
     ·约束条件第104-105页
   ·回转干燥窑生产过程优化算法第105-113页
     ·约束的处理第105-107页
     ·基于混沌扰动的粒子群约束优化算法第107-111页
     ·算例验证第111-113页
   ·优化结果及讨论第113-116页
   ·现场应用实验第116页
   ·本章小结第116-117页
第七章 总结与展望第117-119页
参考文献第119-129页
致谢第129-130页
攻读学位期间主要的研究成果第130-131页

论文共131页,点击 下载论文
上一篇:锌冶炼除钴过程建模与智能优化方法研究及应用
下一篇:从镍钼矿中制取钼酸铵的研究